C++ -最快可能的双线性插值？

Question

我想加快我的c++双线性插值代码。

设置如下:从灰度图像 img 中提取一个矩形补丁 pat ，位置为E 29E 110分段E 211<代码>E 112具有单位间距且不上下采样。E 213

由于分通常不是整数，所以我必须提前对提取的补丁进行插值。

图像img、提取的贴片拍和位置分号作为浮动存储。贴片大小为2*pad+1，衬垫为位置的左、右两部分。

当前的解决方案如下：

void function(Eigen::Matrix<float, Eigen::Dynamic, 1>* pat, 
              const float* img, 
              const Eigen::Vector2f* cent)
{

  Eigen::Vector4f we; // bilinear weight vector
  // ... [CROPPED: compute bilinear weights]

  float *pat_it = pat->data();
  for (y=cent[1]-pad; y <= cent[1]+pad; ++y)    
  {
    int postmp_a = y        * image_width;
    int postmp_b = (y-1)    * image_width;

    for (x=cent[0]-pad; x <= cent[0]+pad; ++x, ++pat_it)    
    {

          (*pat_it)     = we[0] * img[ x    +  postmp_a] +  
                          we[1] * img[x-1   +  postmp_a] +
                          we[2] * img[ x    +  postmp_b] +
                          we[3] * img[x-1   +  postmp_b]; 
    }
  }
}

1. 有可能进一步加快速度吗？这个函数将在一个实时信号处理管道中被调用数百万次。没有内存约束.
2. 可能有特定的本征函数吗？
3. 由于这是我代码中最关键的瓶颈，我也愿意考虑将代码迁移到不同的编程语言/体系结构(汇编程序、CUDA等)。对此有什么想法/暗示吗？
4. 更广泛地说，您将如何系统地处理这个问题来进行分析？

更多细节:代码是用'-Ofast -std=c++11‘编译的，并且已经使用OpenMP并行运行。图像大小为1000x1200像素，衬垫在5-10像素之间。

编辑

通过直接使用指向4个相应图像位置的指针，我已经设法提高了~6%的速度。

...
for (x=cent[0]-pad; x <= cent[0]+pad; ++x,++pat_it,
     ++img_a,++img_b,++img_c,++img_d)    
{

      (*pat_it)   = we[0] * (*img_a) +  
                    we[1] * (*img_b) +
                    we[2] * (*img_c) +
                    we[3] * (*img_d); 
}
...

Answer 1

你可以试着让艾根简化其中的一些，比如：

void function(Eigen::VectorXf* pat, 
              const float* img, 
              const Eigen::Vector2f* cent)
{
...
  for (y=cent[1]-pad; y <= cent[1]+pad; ++y)    
  {
    ...
    Eigen::Map<Eigen::Array4f, 0, Eigen::OuterStride<>> mp(img + cent[0]-pad -1 +  postmp_b, 4, Eigen::OuterStride<>(image_width));
    for (x=cent[0]-pad; x <= cent[0]+pad; ++x, ++pat_it)    
    {
      new (&mp) Eigen::Map<Eigen::Array4f>(img + x-1 +  postmp_b, 4, Eigen::OuterStride<>(image_width));
      (*pat_it) = (mp * we.array()).sum();
...

注意:您可能必须重新排列we以匹配img元素的新顺序。

通过创建一组地图，而是创建一个大的映射，您可以尝试并做得更好：

void function(Eigen::VectorXf* pat, 
              const float* img, 
              const Eigen::Vector2f* cent)
{
  ...
  Eigen::Map<Eigen::ArrayXXf, 0, Eigen::OuterStride<>> mp(img, image_width, image_height, Eigen::OuterStride<>(image_width));
  for (y=cent[1]-pad; y <= cent[1]+pad; ++y)    
  {
    ...
    for (x=cent[0]-pad; x <= cent[0]+pad; ++x, ++pat_it)    
    {
      (*pat_it) = (mp.block<2,2>(x,y) * we.array()).sum();
...

你也许能做得更好，我还没有测试过这些。这就引出了下面的免责声明。我还没测试过这个。也就是说，你可能不得不改变InnerStride和OuterStride，image_width和image_height等等。

如果这对你有帮助的话，我很想知道它能带来多大的加速。